待验证50% 置信事实精确时间

HyperNSDE 是一个连续时间生成模型，用超网络将潜在的神经随机微分方程与静态患者表征连接起来，以生成合成临床数据

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

HyperNSDE：用神经随机微分方程生成个性化临床数据

涉及实体

HyperNSDEproduct 超网络concept 神经随机微分方程concept

相关事实

待验证HyperNSDE 通过依赖潜在状态的强度过程来联合建模观测时刻73% 相似待验证HyperNSDE 让基线静态特征通过超网络持续塑造整条轨迹的演化过程，而不仅是初始条件71% 相似待验证HyperNSDE 的机制无需额外的轨迹编码器，简化了模型结构63% 相似待验证深度学习中CNN用于提取神经信号的空间特征，RNN/LSTM和Transformer架构用于捕捉时序依赖关系60% 相似待验证DeepMind研究者的做法是先训练神经网络在已知数学对象的数值数据上进行回归，再通过显著性分析定位网络最依赖哪些输入特征，从而引导人类数学家提炼可被精确证明的猜想59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983535

API

curl https://kongchang.com/api/v1/knowledge/claims/983535

MCP

get_claim(id=983535)